[论文解读] Scaling of contact networks for epidemic spreading in urban transit systems

Xinwu Qian, Lijun Sun+1 more|arXiv (Cornell University)|Feb 10, 2020

Human Mobility and Location-Based Analysis参考文献 26被引用 9

一句话总结

本文提出一种数据驱动模型，利用中国三个城市的交通卡和时刻表数据构建无权和加权地铁接触网络（MCNs），实现通过重叠出行路段模拟传染病传播。关键发现是MCNs中平均节点度和最大节点度随网络规模线性增长，表明接触模式高度异质，对城市疾病传播建模至关重要。

ABSTRACT

Improved mobility not only contributes to more intensive human activities but also facilitates the spread of communicable disease, thus constituting a major threat to billions of urban commuters. In this study, we present a multi-city investigation of communicable diseases percolating among metro travelers. We use smart card data from three megacities in China to construct individual-level contact networks, based on which the spread of disease is modeled and studied. We observe that, though differing in urban forms, network layouts, and mobility patterns, the metro systems of the three cities share similar contact network structures. This motivates us to develop a universal generation model that captures the distributions of the number of contacts as well as the contact duration among individual travelers. This model explains how the structural properties of the metro contact network are associated with the risk level of communicable diseases. Our results highlight the vulnerability of urban mass transit systems during disease outbreaks and suggest important planning and operation strategies for mitigating the risk of communicable diseases.

研究动机与目标

• 利用真实交通数据对城市轨道交通系统中的接触网络进行建模，以支持传染病传播模拟。
• 开发一种可扩展的方法，从交通卡和时刻表数据中构建无权和加权接触网络。
• 分析接触网络度量指标（度分布、相关性、矩）随网络规模增大而呈现的标度特性。
• 理解网络结构如何影响密集城市轨道交通环境中传染病的动力学行为。

提出的方法

• 通过Dijkstra算法计算的最短路径路线，基于旅客之间重叠出行路段（LCS ≥ 2）识别，构建无权MCNs。
• 利用到达时间差和列车频率计算旅客之间的接触概率：若 $ |t_{i,m}-t_{j,m}| < f $，则 $ p_{ij} = 1 - \frac{|t_{i,m}-t_{j,m}|}{f} $，否则为0。
• 通过将边权重设置为与接触概率和重叠路段持续时间成比例，生成加权MCNs。
• 采用随机模型，其中每位旅客的接触度服从参数为 $ Mw_i $ 的泊松分布，其中 $ w_i $ 为共享路段的概率。
• 通过在指数衰减的移动分布上进行积分，推导出节点度的一阶和二阶矩的解析表达式。
• 通过尾部概率积分估算最大节点度，从而得出与网络规模线性相关的标度律。

实验结果

研究问题

• RQ1 在城市地铁系统中，随着网络规模增大，平均和最大节点度如何变化？
• RQ2 出行路线在时间和空间上的重叠对传染病传播概率有何影响？
• RQ3 随着车站数量增加，MCNs中节点度的统计矩（均值、方差）如何变化？
• RQ4 出行模式和列车频率在多大程度上影响接触网络的结构？
• RQ5 解析模型能否准确预测真实城市轨道交通系统中接触网络度量的标度行为？

主要发现

• MCN中的平均节点度 $<k>$ 随车站数量 $N$ 线性增长，如 $<k> = \alpha(N-1)b\lambda^{\gamma_t+1}\Gamma(\gamma_t+1)$ 所示。
• 二阶矩 $<k^2>$ 随 $N$ 呈二次方增长，表明在大规模网络中方差增大且度分布具有重尾特征。
• 最大节点度 $k_{\text{max}}$ 随 $N$ 线性增长，由 $k_{\text{max}} \propto \alpha\lambda(N-1)$ 推导得出，意味着枢纽节点的度与网络规模成正比。
• 旅客之间的接触概率取决于到达时间差和列车频率，时间间隔越大，接触概率线性下降。
• 该模型仅使用交通卡和时刻表数据即可捕捉现实中的接触模式，从而实现传染病动力学的可扩展模拟。
• 实证验证表明，交通卡数据覆盖了每日超过60%的旅客，使该模型适用于真实城市系统。